从Gallica XML报纸问题中合并for循环中的文本

我想收集法国报纸Ouest Eclair（1915年）的文字。 Oceized文本可从法国数字图书馆Gallica获得

 library(httr)
 library(xml2)
 library(tidyverse)


 # Newspapers issues identifiers calls arks. They are scrapped from Gallica (XML) and parsed to data frame object


  r <- GET("https://gallica.bnf.fr/services/Issues?ark=ark:/12148/cb41193663x/date&date=1916")

 ouest_eclair <- r %>%
  content() %>% 
 xml_find_all(".//issue") %>% 
 map_df(~ c(as.list(xml_attrs(.x)), date_parution = xml_text(.x)))

 # keep only the good colum withs identifiers
 arks2 <- ouest_eclair[,'ark']




#  The library htm2txt is used to extract easily text from an html page. 

 library(htm2txt)

# Here's the loop

    for (i in arks2) {
        url <- paste0("https://gallica.bnf.fr/ark:/12148/", i, ".texteBrut")
        print(url)
        txt <- gettxt(url) 
          txt <- paste(txt,txt)
         Sys.sleep(1)
                }

库（httr）
库（xml2）
图书馆（tidyverse）
#报纸发行识别码。它们从Gallica（XML）中删除，并解析为数据帧对象
r%
xml\u find\u all（“.//问题”）%%>%
map\u df（~c（as.list（xml\u attrs（.x）），date\u parution=xml\u text（.x）））
#只保留带有标识符的好柱
arks2问题在于，在循环的每次迭代中，都会覆盖
txt
。诀窍是从循环外部定义的输出的一个（空）变量开始，该变量在每次迭代中都会更新（而不是覆盖），并与另一个确实会被覆盖的临时变量结合使用：

library(htm2txt)
arks2 <-  c("bpt6k5674481", "bpt6k567454v", "bpt6k567462f")

txt.output <- "" # start with an empty string of text before you start the loop
for (i in arks2) {
  url <- paste0("https://gallica.bnf.fr/ark:/12148/", i, ".texteBrut")
  print(url)
  txt.temp <- gettxt(url) 
  txt.output <- paste(txt, txt.temp)
  Sys.sleep(1)
}


库（htm2text）
arks2问题在于，在循环的每次迭代中，都会覆盖
txt
。诀窍是从循环外部定义的输出的一个（空）变量开始，该变量在每次迭代中都会更新（而不是覆盖），并与另一个确实会被覆盖的临时变量结合使用：

library(htm2txt)
arks2 <-  c("bpt6k5674481", "bpt6k567454v", "bpt6k567462f")

txt.output <- "" # start with an empty string of text before you start the loop
for (i in arks2) {
  url <- paste0("https://gallica.bnf.fr/ark:/12148/", i, ".texteBrut")
  print(url)
  txt.temp <- gettxt(url) 
  txt.output <- paste(txt, txt.temp)
  Sys.sleep(1)
}


库（htm2text）
arks2如果您的
arks2
是一个数据帧，您可以使用技巧
unlist（arks2）
尝试以下操作：

txt如果您的
arks2
是一个数据帧，您可以使用技巧
unlist（arks2）
尝试以下操作：

txt将它们存储在一个变量中，并使用
paste
替代
for
循环可以是
lappy（c（“BPT6K567441”、“bpt6k567454v”、“bpt6k567462f”）、函数（i）gettext（paste0（“https://gallica.bnf.fr/ark:/12148/，i，“.texteBrut”））
返回返回的文本列表。@sboysel我想保留for循环并将所有文本合并到一个对象中。不是列表。
paste（list（“a”，“b”），collapse=“\n”）
将它们存储在一个变量中，并使用
paste
替代
for
循环可能是
lappy（c（“BPT6K567441”，“bpt6k567454v”，“bpt6k567462f”），函数（i）gettext（paste0（“https://gallica.bnf.fr/ark:/12148/，i，“.texteBrut”））
返回返回的文本列表。@sboysel我想保留for循环并将所有文本合并到一个对象中。不是列表。
paste（list（“a”，“b”），collapse=“\n”）
它工作得很好，但我的真实数据是一个数据帧列…所以它不工作：文件中的错误（con，“r”）@Wilcar你的意思是
arks2
是一个数据帧还是其他什么？你能提供一些数据框作为输入的例子吗？我想这并不难，但我需要知道数据帧在文件（con，“r”）中的错误：无效的“描述”argument@Wilcar查看我的更新解决方案，您可以使用
unlist（arks2）
in
for（i in arks2）
感谢您的帮助。df有什么问题？它工作得很好，但我的真实数据是一个数据帧列…所以它不工作：文件中的错误（con，“r”）@Wilcar你是说
arks2
是数据帧还是其他什么？你能提供一些数据框作为输入的例子吗？我想这并不难，但我需要知道数据帧在文件（con，“r”）中的错误：无效的“描述”argument@Wilcar查看我的更新解决方案，您可以使用
unlist（arks2）
in
for（i in arks2）
感谢您的帮助。df有什么问题？
txt <- c()
for (i in unlist(arks2)) {
  url <- paste0("https://gallica.bnf.fr/ark:/12148/", arks2[k,], ".texteBrut")
  print(url)
  txt <- c(txt,gettxt(url))
  # Sys.sleep(1)
}

txt <- sapply(unlist(arks2), function(v) gettxt(paste0("https://gallica.bnf.fr/ark:/12148/", v, ".texteBrut")))